《Easy Java++（第7版）》一书系统介绍了Java语言从基本语法到类，再到面向对象程序设计的所有重要知识点，既涵盖Java入门的相关知识，也包括实际开发中的一些Java核心技术及编程思想。全书共16章，用通俗易懂的语言，结合大量的插图和中小示例，详细介绍了Java编程基础、变量、表达式和运算符、条件语句、循环语句、数组、类、继承、接口、异常、输入/输出、线程、图形应用程序GUI等Java程序设计必须掌握的知识点，读者可边学习边动手实践，即使没有任何编程经验的编程新手也可以通过本书高效地学习Java编程相关知识。 《Easy Java（第7版）》内容丰富、知识点安排由浅入深、循序渐进，带领大家零基础学Java，特别适合初学者全面学习Java编程相关知识，也适合Java从入门到精通层次的读者通过本书提升编程水平，同时本书也适合作为高校计算机相关专业程序设计的教材。

《C 码农日记（全程视频讲解）》共9章。第1章讲述程序员入职前的准备以及C 跨平台开发入门知识，着重介绍求职面试相关知识，以及Qt的安装配置、开发环境搭建、第三方跨平台库基础知识、配套资源等内容；第2~8章通过50多个实际案例讲述命令行程序的开发、DLL（动态链接库）的开发与第三方库的使用、跨平台文件操作、多线程和进程内（多线程间）通信、进程间通信、异步串口通信、数据库访问等常用开发技能；第9章通过一个数据中心的案例介绍C/S模式（Client/Server模式，客户端/服务器模式）软件的综合开发技能。本书提供的案例覆盖了C/S模式软件开发工作的常见场景。 《C 码农日记（全程视频讲解）》侧重无界面程序的开发，倡导的理念是系统全面、贴近实战。 《C 码农日记（全程视频讲解）》可作为计算机软件类专业本科生或研究生、C 软件工程师、C 编程爱好者的参考资料。

本书以Python作为数据分析的工具，系统地介绍数据分析所需的核心知识点，为书中的数据分析任务提供分析说明、代码示例和极为详细的代码注释，对于代码中出现的重要知识点会细心地为读者标注出相关内容在书中出现的章节位置。 全书共11章，分为3篇：初识篇、基础篇和进阶篇。初识篇（第1和2章），主要介绍数据分析和Python的相关基础概念，一些数据分析的具体应用场景及Python的集成开发环境；基础篇（第3~9章），主要介绍Python的基础语法，自动化办公的基础操作，数据可视化库Matplotlib和Seaborn，数据分析的核心库Numpy和Pandas，提供了大量翔实有趣的编程和数据分析示例；进阶篇（第10和11章），主要介绍了机器学习的入门基础理论知识和代码实现，监督学习和无监督学习的各种典型算法，涉及机器学习和数据挖掘的常用库scikit-learn及神经网络框架PyTorch等的使用，还介绍了编程算法中的动态规划，数据分析的实战例子。 本书面向初学者，可以作为高等院校各专业的数据分析课程教材，也可以作为广大数据分析从业者、爱好者、办公人员、科研人员的参考和学习用书。

全书内容可分为Java语言基础篇、面向对象思想篇、Java实用编程篇和Java语言提高篇。主 要介绍Java程序运行环境配置、Java语言基础、运算符和表达式、数组、类和对象、继承和多态 、内部类和异常、多线程、接口的实现、常用实用类、基于Swing的图形化用户界面、输入输出、J DBC技术、网络编程等内容。书中提供大量实验案例，帮助读者更好地理解和掌握相关概念。最后设计 一个贴近实际的综合应用案例，涵盖软件开发的全过程，使读者具备利用Java语言解决实际应用问题 的能力。 本书可作为高等学校计算机、软件工程等相关专业“Java程序设计”课程的教材，也适 用于各种Java语言的培训与认证，同时可供广大Java开发人员参考。

本部分首先阐述自然语言理解的发展脉络和理解逻辑，主要围绕语言符号、处理体系、语义理解等进行探讨，引出自然语言理解的自动分析原理和方法，包括自然语言特征、统计学习、机器学习、深度学习、知识图谱等。第1章概述自然语言发展脉络，描述了语言理解的研究现状、商业形势、认知突破口和未来预测。第2章梳理语言理解的演变流程，介绍我们面临的各类自然语言理解任务，最后给出语言理解的研究体系框架，引出自然语言理解的基础——自然语言处理。第3章重点介绍自然语言处理相关特征工程和文本任务对应的各类算法模型、深度学习的前沿进展。语言处理需要考虑特征构造（字、词、句、章级别）和特征表示，以利于后续自动处理。在特征表示方面，从早的符号表示到现在的张量表示，形成统计学习的基础。接下来结合统计学习框架，论述语言学习原理和语言模型，结合概率图模型和其他机器学习算法，阐述这些常规算法在自然语言处理任务中的应用和效果。然后进一步讨论深度学习的各类算法，对语言学习中的神经网络算法和新成果进行分析。最后探讨现有处理方法的发展边界，提出引入外源知识（知识图谱）来提高认知能力的必要性。第4章系统介绍知识图谱，包括知识图谱工程和知识图谱智能。然后梳理国内外常见的通用知识图谱，并进一步总结热门行业的知识图谱发展现状。最后结合语言知识和知识图谱的搭建流程，引入语义特征，通过行业文本实例操作，帮助读者了解语义理解的本质。行业知识图谱部分包含第5～8章。本部分在上述基本自然语言处理方法讲解的基础上，继续阐述行业知识图谱搭建和行业应用的方法。目前从事自然语言理解的公司都将精力放在通用文本理解上，这些文本往往口语化严重、特征杂乱、信息量不足，导致算法处理形成的最终产品的用户体验不佳。考虑到行业文本往往有一定规范，相对容易取得突破口，也有利于推动行业发展，所以我们选择从行业文本出发，以专利文本实操作为样板。第5章介绍行业知识工程实践，以专利行业为例，详细地描述了一个行业知识工程建设的过程。首先基于自然语言处理和知识图谱搭建方法，建设行业知识库，包括术语库、产品库、技术库、标准库、规则库等，进而开发行业主题分析模型、行业文本分类算法、相似度计算方法、价值评估方法和机器翻译方法。第6章介绍知识图谱模块的搭建，包括关键词助手、语义搜索、分级管理、高级分析、推荐和问答等。结合实际应用，探讨知识图谱在提高智能性方面的能力和效果。第7章在前面知识工程和知识图谱智能基础上搭建智能应用平台，介绍了平台的各类功能组件，描述了自下而上的软件服务封装逻辑，进一步向上封装为行业文本分析功能组件，包括检索、分析、挖掘、管理、预警、运营等。读者可以将这套思路在各行业进行实践验证，将上述组件和权限、安全板块集成为应用平台，搭建常态化文本分析运营平台，完成平台级别或各细分模块的商业产品落地。第8章依托智能应用平台，结合实践案例给出团队的应用经验，即通过四个行业案例来验证平台的认知能力。《自然语言理解与行业知识图谱：概念、方法与工程落地》以自然语言理解和行业知识图谱应用落地为目标，阐述了一个从0到1的行业文本理解案例。《自然语言理解与行业知识图谱：概念、方法与工程落地》为互联网企业的智能平台构建提供了很好的案例参考，也为行业信息化从业者提供了从入门到进阶的技术指导，适合作为自然语言处理、知识图谱、计算机、人工智能等领域从业者的学习指导书，也非常适合对自然语言处理、知识图谱感兴趣的学生和创业团队阅读。

本书基于Python这一处理数据功能强大的高级编程语言，在实践中展示了如何将这些模型应用于真实世界的数据科学场景。Python提供了一系列用于时间序列数据分析的库，可以针对不同的预测解决方案进行通用化的代码部署。

《编程超简单！和孩子一起玩转Scratch 3.0（微视频版）》以通俗易懂的语言、详实生动的案例全面介绍了Scratch 3.0的使用方法和编程技巧，全书共分7章，内容涵盖了Scratch 3.0初体验、控制角色运动、绘制图形效果、控制舞台和角色、控制声音模块、控制运算模块、制作游戏程序等，力求为读者提供良好的学习体验。 与书中内容同步的案例操作二维码教学视频可供读者随时扫码学习。该书具有很强的实用性和可操作性，适合对编程感兴趣的青少年以及不同年龄段的初学者阅读，可供中小学信息技术课的培训老师和想让孩子学习Scratch的家长阅读参考，同时十分适合作为指导青少年学习计算机程序设计的入门教程。《编程超简单！和孩子一起玩转Scratch 3.0（微视频版）》对应的素材和源文件可以到http：//www.tupwk.com.cn/downpage网站下载，也可以通过扫描前言中的二维码下载。

本书共分为9章。第1~3章主要介绍MicroPython以及Python语言基础;第4~5章重点针对ESP32与MicroPython的实践性操作;第6~7章重点阐述MicroPython在物联网的应用;第8章展现如何修改MicroPython源码与添加自定义库的方法;第9章为一个智能农业的项目实践。 本书对智能物联网时代面临的挑战，以及MicroPython的基础知识做了清晰的阐述，有助于读者整理思路，了解需求，并更有针对性、有选择地深入学习相关知识。

2016年，一只阿法狗（AlphaGo）为全世界打开了一条窄窄的门缝，通往未来之路就此展现。通过超强硬件和大量的数据积累，人工智能浪潮第三次兴起。借助人工智能技术，公安部门可以轻松抓捕潜逃多年的罪犯，“AI换脸”已经成为普通用户的娱乐方式之一，智慧城市、自动驾驶开始在多个城市有试点GPT-3、Switch Transformer开启了新的时代，而智源研究院的悟道20参量则高达175万亿。训练有素的结构生物学家花费上千万美元历时多年的研究结果，AlphaFold v20在朝夕之间便完成预测。今天，主动拥抱新变化，积极学习新知识，愈发显得重要。很多人积极投入热情、时间和金钱后，没能坚持多久就中断了学习。也有很多同学对此表示观望甚至放弃，觉得凭自己的基础不足以把握这次机会。诚然，仅凭一本书很难帮助普通读者深刻理解并熟练掌握深度学习中的全部知识，因此“AI精研社”规划了一个系列图书，给出完整的解决方案，希望能帮助读者循序渐进、高效地成长为合格的人工智能算法实践者（practitioners）。本书是“人工智能与大数据技术大讲堂”系列图书的第2部。本书从体验手写数字（k近邻算法）识别开始，循序渐进地不断加深读者对神经网络模型的理解，进而可以设计并实现自己的模型。另外，本书通过Python+NumPy从零开始构建神经网络模型，强化读者对算法思想的理解，并通过TensorFlow构建模型来验证读者亲手从零构建的版本。前馈神经网络是深度学习的重要知识，其核心思想是反向传播与梯度下降。本书从极易理解的示例开始，逐渐深入，帮助读者充分理解并熟练掌握反向传播与梯度下降算法，为后续学习打下坚实的基础。本书延续理论与实践并重的风格，先以图文方式讲解算法思想，再以Python+NumPy实现算法，然后再给出TensorFlow实现的版本，帮助读者不断加深对核心的算法理解，同时提升实际动手能力，从而锻炼将算法思想转化为程序代码的能力。

随着互联网技术的发展，分布式应用系统对具备高性能、高可用性、可扩展性和可维护性的架构的依赖度越来越高。本书以理论与实践相结合的方式，对分布式应用系统的架构设计进行系统、全面的阐述。本书分为3个部分，第一部分是分布式系统架构概述，介绍一些分布式系统架构下常见的基础概念和架构设计的目标；第二部分是核心理论及技术，介绍分布式应用系统下常见的技术中间件机制和使用场景，着重介绍分布式应用系统在高性能、高可用性、可扩展性和可维护性等方面常见的优化技术；第三部分是架构实践案例，梳理几种常见的大型分布式应用系统的架构，并结合具体问题进行分析，使读者能够真正理解设计分布式应用系统架构所面临的问题及解决问题的思路。本书主要面向初/中/高级程序员和架构师，但书中的部分内容也适合产品经理、项目经理阅读。此外，本书内容由浅入深且案例丰富，也适合作为培训教材。